• Содержание номера
  • Рейтинг:  0 
 

Погодные деривативы в электроэнергетике

 

Авторы

Бейден Сергей, Аналитик ИГ "КапиталЪ"

Смирнова Надежда, консультант CARANA Corporation, канд. экон. наук, доцент

 

    Погодные условия являются важным фактором, влияющим на объем спроса на электроэнергию и соответственно на цены, складывающиеся на рынке. Температурные отклонения от средней величины (похолодание или потепление) в конкретном регионе в рассматриваемый сезон ведут к колебаниям объема потребления электроэнергии, создавая или, наоборот, сокращая потребность в резервных мощностях, что способствует изменению средней стоимости выработки электроэнергии. А спрос, в свою очередь, определяет потребность производителей электрической энергии в топливе - газе, угле, мазуте.
    Погодный риск - это возможность убытков, связанных с неопределенностью денежного потока вследствие изменчивости климатических условий. Из-за колебаний температуры возникает существенный риск для оптовых продавцов, покупателей электроэнергии, а также конечных потребителей. Однако погода способна оказывать как негативное, так и позитивное влияние на величину дохода компании.
    Потребность хеджировать погодные риски как со стороны энергетических компаний, так и со стороны субъектов других отраслей, например сельхозпроизводителей, привела к возникновению инструментов управления ими, что позволяет перераспределять риски между потребителями в разных отраслях или географических регионах, а также между другими участниками рынка, отличающимися разной чувствительностью к климатическим факторам. Одним из простейших инструментов, используемых производителями электроэнергии, является учет погодных колебаний в условиях контракта на поставку. Кроме того, использование инструментов хеджирования возможно в форме внебиржевых контрактов с учетом статистической информации о погодных данных, а также стандартизованных погодных производных инструментов (деривативов), торгуемых на биржевых площадках.
    Погодные деривативы построены на основе учета количества дней в календарном периоде, когда температура достигает заданных пороговых значений. Плата по контракту зависит от количества дней, более теплых (или холодных) относительно порогового значения. Как и в других производных инструментах, подобные контракты могут строиться по типу фьючерса или опциона: либо фиксировать затраты и прибыль сторон, либо предоставлять страховку только от падения (роста) температуры. Допустимо заключение и более сложных контрактов, в частности комбинация по принципу свопов с квотами на выброс загрязняющих веществ.
    Впервые погодные производные инструменты были применены в энергетическом секторе: компании Aquila, Enron и Koch предложили финансовые методы управления погодными рисками в 1996 г. В середине 2000 г. в США объем рынка погодных деривативов оценивался в 3,5 млрд долл. Сейчас он составляет 7,5-9 млрд долл. в год, тогда как объем традиционных метеоуслуг равен лишь 0,5 млрд долл. Быстро развивается внебиржевой (over-the-counter, ОТС) рынок погодных деривативов, в частности на температуру и другие климатические факторы, на котором работает ряд специальных брокерских компаний: Natsource, EuroBrokers, Sakura Dellsher, United Energy, Tradition. В качестве конечных пользователей на ОТС-рынок, как правило, выходят компании, имеющие значительный опыт работы с финансовыми и товарными производными инструментами.
    На фоне роста ликвидности рынка ОТС возникают предпосылки для стандартизации контрактов. На Чикагской торговой бирже (CME) в 1999 г. были введены в обращение фьючерсы и опционы на индексы обогрева (Heating Degree Days, HDD) и охлаждения (Cooling Degree Days, CDD). Эти индексы рассчитываются для наиболее важных населенных пунктов и энергетических узлов, выбранных по показателю активности ОТС-торговли погодными производными инструментами. В настоящее время такими точками являются Атланта, Чикаго, Цинциннати, Нью-Йорк, Даллас, Филадельфия, Портленд, Таксон, Де-Мойн, Лас-Вегас. Кроме того, в обращение введены опционы на фьючерсы с окончательным расчетом в тот же день, что и фьючерсы, по аналогичному индексу.
    Погодные контракты стали предметом торгов на европейских биржах, в частности в 2000 г. Лондонская международная финансовая биржа фьючерсов и опционов (LIFFE) открыла в Интернете рынок для европейских погодных деривативов
    (I-WeX.com), а в 2001 г. Лондонская биржа ввела фьючерсы на температуры в Лондоне, Париже и Берлине. Контракты торгуются в электронной системе LIFFEConnectЄ. Цена месячного контракта на каждый градус изменения температуры, например, в районе лондонского аэропорта Хитроу составляет порядка 3 тыс. фунтов стерлингов. С 2000 г. другая площадка Eurex начала рассчитывать индексы HDD и CDD для 30 европейских городов по данным немецкого метеобюро (German Weather Bureau), для чего в каждом городе выбирается одна точка, обычно международный аэропорт. Соответственно торгуются инструменты, учитывающие изменения среднесуточной температуры в этих районах.
    В последнее время интерес к рынкам погодных производных инструментов повысился. Объем мирового рынка на конец 2005 г. достиг 12 млрд долл., торги уже существующими и разработку новых инструментов планируется начать на многих площадках, в том числе на Российской товарно-сырьевой бирже.
    Европейские индексы, лежащие в основе погодных производных инструментов, определяются по той же методике, что и на СМЕ, но в градусах Цельсия, причем границей служит 18 °С. К настоящему моменту стандартизированы несколько индексов, учитывающих те или иные климатические факторы: индекс обогрева HDD и индекс охлаждения CDD. В стадии обсуждения находится введение индексов на другие погодные факторы: количество осадков (rainfall или precipitation), уровень осадков и толщина снежного покрова (snowfall и snow depth), относительная влажность (relative humidity), скорость ветра и уровень охлаждения ветром (wind speed и wind chill).
    Для расчета стандартных индексов ежедневно в течение 24 часов (с полуночи до полуночи) определяются максимальная и минимальная температуры. Погода в день i равна среднему арифметическому между этими данными, зарегистрированными в точке наблюдения:

    Wi = (Tmax i + Tmin i) / 2.

    Индексы HDD и CDD рассчитываются в предположении, что температура 65 °F (18,33 °С) является граничной между необходимостью обогрева и охлаждения, соответственно потребность в энергии приблизительно пропорциональна величине отклонения температуры от данного значения. Дальнейший алгоритм определения индексов следующий: сначала вычисляется модуль отклонения средней температуры Wi от
    65 °F. Если среднее значение выше 65 °F, то полученная величина прибавляется к индексу CDD, если ниже - к индексу HDD. Индексы HDD и CDD в день i определяются по разнице между реальной и граничной температурой: если она положительна (отрицательна), то индекс CDD (HDD) в день i приравнивается к разнице, в противном случае - к нулю:
    CDDi = max (Wi - 65,0),
    HDDi = max (65,0 - Wi).

    Если температура измеряется в градусах Цельсия, то граничным значением обычно считается 18 °С.
    Индексы HDD и CDD за период определяются как сумма указанных выше однодневных величин:

    HDD =HDDi CDD =CDDi.
    
    Они вычисляются согласно полученным данным на протяжении указанного в контракте периода, который должен быть достаточно репрезентативным.
    Указанные индексы служат основой для разработки других инструментов управления погодными рисками:

  • свопы/фьючерсы используются с целью управления погодными рисками при стабильном денежном потоке, когда энергокомпания, хеджирующая свои погодные риски, и ее контрагенты, выступающие в роли спекулянтов на рынке погодных деривативов, соглашаются обменять выигрыши, базирующиеся на фактической температуре по сравнению с оговоренным в контракте уровнем исполнения. В случае применения свопов энергокомпания фиксирует доходы по отношению к официально зафиксированному нормальному (среднему) уровню градусо-дней, в то время как контрагенты принимают на себя риск отклонений от данного уровня;
  • опционы предназначены для получения дохода на основе определения минимального уровня или фиксированного минимального и максимального уровня температуры, когда энергокомпания покупает опцион (право), что позволяет ей выиграть в случае повышения либо понижения (в зависимости от условий опциона) температуры воздуха и избежать убытков в противном случае.
        Цены фьючерсного или форвардного контракта, а также стоимость исполнения опциона выражаются в терминах индексов HDD или CDD за указанный период. Для установления расчетной цены по производному инструменту (т. е. фактического значения индекса по истечении срока действия контракта) берутся официальные данные специфицированной в контракте метеорологической станции.
        Выплата по форвардному или фьючерсному контракту определяется исходя из разницы между ценой заключения контракта и расчетной ценой, которая становится известной по истечении срока его действия. Эта разница умножается на оговоренную в контракте фиксированную ставку пересчета или стоимостную оценку минимального изменения цены.
        Таким образом, номинальная стоимость форвардного или фьючерсного контракта равна его текущей цене, умноженной на стоимостную оценку единицы индекса HDD или CDD. По опциону call, например, на индекс HDD выплата в день, следующий за днем исполнения, составляет:

        Выплата = min (долл._на_пункт х max (HDD - страйк, 0), макс._выплата).

        В спецификации погодных деривативов всегда имеется ограничение на максимальную выплату по контракту в силу специфики базового актива, который не может быть куплен или продан, а следовательно, не поддается хеджированию.
        Россию можно назвать одной из самых холодных стран мира, в частности если учитывать средние январские температуры, взвешенные по количеству человек , которые проживают в регионе. Понижение температуры воздуха всего на 1 °C ведет к росту энергопотребления на 7-8 МВт; по оценкам Мострансгаза, каждый градус похолодания зимой требует использования дополнительно 25-30 млн куб. м газа в день.
        Необходимо отметить, что температура наружного воздуха практически никогда не прогнозируется с точностью до градуса. Более того, в течение суток она может меняться, что затрудняет планирование режимов работы генерирующих мощностей, например ТЭЦ. По данным московского бюро Гидрометцентра, верность прогноза температуры наружного воздуха на первые 24 часа составляет 92-95%, на вторые сутки - 85%, на третьи - 75%, на пятые - 65%. Получается, что определить погоду на два дня вперед (а именно это значимо для энергетики) с точностью до градуса практически невозможно. Так, представители Ярославского центра по гидрометеорологии и мониторингу окружающей среды утверждают, что амплитуда прогноза в среднем составляет +2 °С.
        В то же время, как показывает анализ работы ТЭЦ по тепловому графику при наиболее экономичном режиме, для большинства станций колебание температуры даже на 1 °С приводит к изменению электрической нагрузки по тепловому графику более чем на 2%.
        При написании статьи была проведена оценка коэффициента корреляции двух массивов данных: среднее потребление электроэнергии по дням и средняя суточная температура. Рассматривался временной ряд продолжительностью 1 год (2005 г.) по Москве и Московской области. Исходя из предположения, что зависимость носит, с одной стороны, сезонный характер, а с другой, варьируется в течение недели, массивы данных были разбиты по сезонам и дням недели.
        Полученные в результате проведенных расчетов значения коэффициента корреляции между среднесуточным объемом потребления электроэнергии и среднесуточной температурой в Москве и Московской области показывают, что:

  • зависимость среднесуточного объема потребления электроэнергии от температуры воздуха носит обратный характер, т. е. с ростом температуры потребление снижается (коэффициент корреляции с отрицательным знаком);
  • в зимние месяцы коэффициент корреляции изменяется в зависимости от рассматриваемого дня недели в диапазоне от -0,52 до -0,83 (см. таблицу). Относительно более низкие значения коэффициента по сравнению с другими сезонными периодами связаны с влиянием на объемы потребления электроэнергии таких факторов, как освещенность и сила ветра;
  • в весенний и осенний периоды коэффициенты корреляции существенно выше и составляют от -0,88 до -0,98 весной и от -0,89 до -0,96 осенью. В Московском регионе эти два периода сравнимы по параметрам освещенности и ветрености;
  • для летнего периода получены минимальные значения коэффициентов корреляции (от -0,28 до -0,39): снижение энергопотребления обусловлено не только повышением температуры воздуха, но и увеличением продолжительности светового дня. Уровень потребления электроэнергии в жаркие месяцы мог бы возрасти в случае использования кондиционеров, однако пока подавляющее большинство жилых помещений и офисов ими не оборудовано.

    Значения коэффициента корреляции между среднесуточным объемом потребления электроэнергии и среднесуточной температурой за 2005 г. в Москве и Московской области 
    Дни недели   Значение коэффициента корреляции  

     
    зима   весна   лето   осень  
    Понедельник   -0,75988   -0,87573   -0,34762   -0,8908616  
    Вторник   -0,5717   -0,89746   -0,2835   -0,9145454  
    Среда   -0,51858   -0,97147   -0,38595   -0,9591534  
    Четверг   -0,59504   -0,97703   -0,30001   -0,9295747  
    Пятница   -0,68325   -0,97834   -0,27964   -0,9027136  
    Суббота   -0,82384   -0,95659   -0,39217   -0,9421597  
    Воскресенье   -0,79612   -0,95259   -0,36515   -0,906549  

        В современных методах ценообразования, например в методе Монте-Карло, задействуются исторические погодные данные (по возможности рассматривается период, охватывающий более 50 лет), на основе которых прогнозируется температура. Среди факторов, влияющих на стоимость погодного контракта, можно выделить прогнозируемый тренд изменений температуры с учетом исторических сведений и сезонных колебаний. Кроме того, поскольку рынок погодных деривативов является производным, он подвержен влиянию со стороны других рынков.
        Для прогнозирования изменения температуры обычно применяются методы GARCH, ARFIMA, FBM, ARFIMA-FIGARCH, Bootstrap. Данные модели позволяют отказаться от предположений о независимости волатильности от своих предыдущих значений и учесть их корреляционную зависимость. Существенной характеристикой, например, GARCH-моделей является реакция на любые наблюдаемые изменения временного ряда (наличие скачков, колебаний в историческом ряду данных) и быстрое восстановление после сильных колебаний.
        Метод ценообразования на основе моделирования климатических факторов, в частности модель mean reversing, учитывающая процентные ставки, может быть применен к погодным деривативам, поскольку для температурных рядов не характерны резкие скачки значений.
        В отличие от модели с процентными ставками, параметры задачи ценообразования определяются не по данным о соответствующих ликвидных инструментах (в связи с их отсутствием в данное время), а по историческим сведениям о погоде.
        В связи с тем что на РТС планируется запуск погодных деривативов, российские энергетические компании получат необходимый инструмент управления климатическими рисками, в частности смогут использовать рынки производных инструментов для хеджирования риска объема. С целью эффективного управления погодными рисками, как правило, применяются аналитические системы, в том числе система поддержки принятия решений. Многие российские и зарубежные консалтинговые компании, в частности CARANA Corporation, предлагают ряд методик и пакеты поддержки принятия решений для управления погодными рисками. В основе этих пакетов лежат представленные в статье подходы к прогнозированию изменений температуры окружающей среды и ценообразованию с учетом исторических данных о динамике изменения погоды.

  •  
    Оставить комментарий
    Добавить комментарий анонимно, введите имя:

    Введите код с картинки:
    Добавить комментарий как авторизованный посетитель: Войти в систему